统计推断方法有：参数估计和假设检验。
1、参数估计是通过样本数据对总体参数进行估计，常用的方法有点估计和区间估计。点通过样本数据计算出一个点作为总体参数的估计值，例如样本均值和样本比例等。区间估计则是利用样本数据计算出一个区间，该区间包含了总体参数的真值，例如置信区间。
2、假设检验是通过样本数据对总体参数进行推断，判断某个假设是否成立。假设检验的基本步骤包括：提出假设、计算统计量、确定显著性水平、查找临界值和得出结论。常用的假设检验方法有t检验、卡方检验和F检验等。
统计推断还包括回归分析、方差分析、相关分析和判别分析等。回归分析用于确定两种或两种以上变数间相互依赖的定量关系；方差分析用于两个及两个以上样本均数差别的显著性检验。
相关分析是研究现象之间是否存在某种依存关系；判别分析是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。
统计推断的标准：
1、真实性：统计推断应该反映实际情况，估计值与真实参数的偏差应尽可能小。真实性是衡量统计推断质量的基础，因为只有真实的推断结果才能为决策提供有效的依据。
2、准确性：统计推断的结果应该具有一定的准确性，估计值与真实值的接近程度越高，推断的准确性就越高。准确性是衡量统计推断的重要标准之一，因为它关系到推断结果的实用价值。
3、可检验性：统计推断应该是可检验的，即通过对推断结果进行验证，可以判断其是否符合实际情况。可检验性有助于提高统计推断的可靠性，同时也有助于发现和纠正推断过程中的错误。
4、一致性：统计推断应该具有一致性，即在相同的条件下，重复进行推断得到的结论应该是相同的。一致性是衡量统计推断稳定性的重要标准，因为只有具备一致性的推断结果才能为决策提供可靠的依据。
5、可解释性：统计推断的结果应该具有可解释性，即推断结果应该能够清晰地表达研究的问题和结论。可解释性有助于提高统计推断的可理解性，使决策者能够更好地理解和运用推断结果。
6、有效性：统计推断应该具有有效性，即推断结果应该具有一定的实用价值，能够为决策提供有效的依据。有效性是衡量统计推断结果的最终标准，因为只有有效的推断结果才能真正地为实际问题提供帮助。